强制 AVX 内在函数使用 SSE 指令

不幸的是，我有一个 AMD 打桩机 cpu，它似乎对 AVX 指令有问题：

使用 256 位 AVX 寄存器进行内存写入非常慢。测得的吞吐量比之前的型号 (Bulldozer) 慢 5 - 6 倍，比两次 128 位写入慢 8 - 9 倍。

根据我自己的经验，我发现 mm256 内在函数比 mm128 慢得多，我假设这是由于上述原因。

不过，我真的很想为最新的指令集 AVX 进行编码，同时仍然能够以合理的速度在我的机器上测试构建。有没有办法强制 mm256 内在函数使用 SSE 指令？我用的是VS 2015。

如果没有简单的方法，那么困难的方法又如何呢？代替<immintrin.h>带有一个自定义标头，其中包含我自己的内部函数定义，可以对其进行编码以使用 SSE？不确定这有多合理，在我完成这项工作之前，如果可能的话，更喜欢更简单的方法。

使用阿格纳雾矢量类库 http://www.agner.org/optimize/#vectorclass并将其添加到 Visual Studio 中的命令行：-D__SSE4_2__ -D__XOP__.

然后使用 AVX 大小的向量，例如Vec8f八个花车。当您在未启用 AVX 的情况下进行编译时，它将使用该文件vectorf256e.h它使用两个 SSE 寄存器模拟 AVX。例如Vec8f继承自Vec256fe它是这样开始的：

class Vec256fe {
protected:
    __m128 y0;                         // low half
    __m128 y1;                         // high half

如果你编译/arch:AVX -D__XOP__VCL 将使用该文件vectorf256.h和一个 AVX 寄存器。然后，您的代码只需更改编译器开关即可适用于 AVX 和 SSE。

如果你不想使用XOP不要使用-D__XOP__.

正如 Peter Cordes 在他的回答中指出的那样，如果您的目标只是避免 256 位加载/存储，那么您可能仍然需要 VEX 编码指令（尽管目前还不清楚这是否会产生影响，除非在某些特殊情况下）。你可以用这样的向量类来做到这一点

Vec8f a;
Vec4f lo = a.get_low();  // a is a Vec8f type
Vec4f hi = a.get_high();
lo.store(&b[0]);         // b is a float array
hi.store(&b[4]);

然后编译/arch:AVX -D__XOP__.

另一种选择是使用一个源文件Vecnf然后做

//foo.cpp
#include "vectorclass.h"
#if SIMDWIDTH == 4
typedef Vec4f Vecnf;
#else
typedef Vec8f Vecnf;
#endif  

并像这样编译

cl /O2 /DSIMDWIDTH=4                     foo.cpp /Fofoo_sse
cl /O2 /DSIMDWIDTH=4 /arch:AVX /D__XOP__ foo.cpp /Fofoo_avx128
cl /O2 /DSIMDWIDTH=8 /arch:AVX           foo.cpp /Fofoo_avx256

这将使用一个源文件创建三个可执行文件。您可以使用以下命令编译它们，而不是链接它们/c他们制作了一个 CPU 调度程序。我用了XOP使用avx128，因为我认为除了AMD之外没有充分的理由使用avx128。